引言
在现代应用中,拥有一个可扩展且易于管理的数据库是关键,尤其是当我们借助AI构建增强型体验时。Google Cloud SQL为我们提供了一个高性能、集成流畅且支持多种数据库引擎的解决方案,包括PostgreSQL。在这篇文章中,我们将探讨如何使用Google Cloud SQL for PostgreSQL来存储聊天消息历史,以及如何通过Langchain对其进行进一步的AI集成。
主要内容
配置Google Cloud SQL for PostgreSQL
-
创建Google Cloud项目:首先,你需要创建一个Google Cloud项目,并启用Cloud SQL Admin API。
-
创建SQL实例和数据库:接下来,在Google Cloud Console上创建一个Cloud SQL for PostgreSQL实例,并在其中创建一个数据库。
-
安装必要的库:使用以下命令安装
langchain-google-cloud-sql-pg
和langchain-google-vertexai
包,以支持库的功能。%pip install --upgrade --quiet langchain-google-cloud-sql-pg langchain-google-vertexai
身份验证和项目设置
在进行数据库操作之前,确保你已在Google Cloud中进行身份验证。你可以通过Google Colab进行快速身份验证:
from google.colab import auth
auth.authenticate_user()
设置你的Google Cloud项目ID:
PROJECT_ID = "my-project-id" # 替换为你的项目ID
!gcloud config set project {PROJECT_ID}
启用API
在Google Cloud中启用必要的API:
!gcloud services enable sqladmin.googleapis.com
配置PostgresEngine连接池
通过PostgresEngine.from_instance()
方法配置连接池。这个过程需要提供项目ID、地区、实例名称和数据库名称:
from langchain_google_cloud_sql_pg import PostgresEngine
engine = PostgresEngine.from_instance(
project_id=PROJECT_ID, region="us-central1", instance="my-postgresql-instance", database="my-database"
)
初始化聊天消息历史表
确保你的数据库中有一个特定的表格来存储聊天消息历史。你可以使用engine.init_chat_history_table()
方法来创建这个表:
engine.init_chat_history_table(table_name="message_store")
使用PostgresChatMessageHistory
创建聊天消息历史,并添加聊天消息:
from langchain_google_cloud_sql_pg import PostgresChatMessageHistory
history = PostgresChatMessageHistory.create_sync(
engine, session_id="test_session", table_name="message_store"
)
history.add_user_message("hi!")
history.add_ai_message("whats up?")
print(history.messages)
常见问题和解决方案
-
网络访问问题:由于某些地区的网络限制,访问Google Cloud API可能会遇到困难。考虑使用API代理服务以提高访问的稳定性和速度。
-
数据库连接问题:确保你的Cloud SQL实例启用了IAM数据库认证,并正确配置了连接参数。
总结与进一步学习资源
通过本文提供的指导,你可以在Google Cloud SQL for PostgreSQL上快速设置一个聊天消息存储系统,并结合Langchain进行更多AI方面的探索。对于想要深入研究的读者,推荐访问Langchain GitHub以及Google Cloud SQL文档。
参考资料
如果这篇文章对你有帮助,欢迎点赞并关注我的博客。您的支持是我持续创作的动力!
—END—